收稿日期:2009212225
基金项目:国家西部交通建设科技项目(2008
31881264);河南科技攻关项目(2007P323)作者简介:沙爱民(19642),男,安徽宣城人,教授,博士研究生导师,E 2mail :aiminsha @https://www.doczj.com/doc/c914015335.html, 。
第30卷 第5期2010年9月
长安大学学报(自然科学版)
Journal of Chang πan University (Natural Science Edition )
Vol.30 No.5
Sept.2010
文章编号:167128879(2010)0520001205
一种基于图像的沥青混合料矿料级配检测方法
沙爱民1,王超凡1,孙朝云2
(1.长安大学特殊地区公路工程教育部重点实验室,陕西西安710064;
2.长安大学信息工程学院,陕西西安710064)
摘 要:通过对沥青混合料数字图像进行对比度拉伸、中值滤波、阈值分割、二值形态学运算以及颗粒分析,得到了各个集料颗粒的面积、周长、外接矩形和等效椭圆等特征参数,进一步对各参数进行统计分析,得到颗粒分析汇总数据,然后对分析汇总数据进行误差补偿,得到沥青混合料的矿料级配组成并绘制级配曲线。结果表明:数字图像处理技术在沥青混合料矿料级配检测中具有检测效率高的优点;对比度拉伸以及中值滤波等运算可以消除图像采集过程中的瑕疵,使图像更有利于后续处理;基于图像的颗粒分析数据具有较好的相关性,通过差分修正可以得到与设计级配比较接近的检测结果;利用图像处理技术检测沥青混合料矿料级配是可行的,可以作为筛分方法的有效替代。关键词:道路工程;沥青混合料;级配;矿料;边界矩形;图像处理中图分类号:U414.1 文献标志码:A
An image 2based mineral gradation measurement
method of asphalt mixture
SHA Ai 2min 1,WAN G Chao 2fan 1,SUN Zhao 2yun 2
(1.Key Laboratory for Special Area Highway Engineering of Ministry of Education ,Chang πan University ,Xi πan 710064,Shaanxi ,China ;2.School of Information
Engineering ,Chang πan University ,Xi πan 710064,Shaanxi ,China )
Abstract :The characteristic parameters of each particle ,such as area ,perimeter ,boundary rec 2
tangle ,and equivalent ellip se ,are obtained t hrough t he cont rast st retching ,median filtering ,t hreshold p rocessing ,binary image morp hological operation and t he particle analysis sequentially to t he digital image of t he asp halt mix.The mineral gradation of t he asp halt mix is calculated by carrying on error compensation to t he measured data.The result s indicate t hat t he digital image processing is of high efficiency in t he mineral gradation measurement of t he asp halt mix and t he operations such as cont rast stretching and median filtering can remove t he image defect s to make it more suitable for following processing.For t he image 2based particle analysis data have good correlation ,t he measured result is close to t he designed gradation of t he asp halt mix.The miner 2al gradation measurement met hod using t he image processing techniques is feasible and could be used instead of t he sieving met hod.2tabs ,11figs ,12ref s.
K ey w ords :road engineering ;asp halt mixt ure ;gradation ;mineral aggregate ;boundary rectan 2gle ;image p rocessing
0 引 言
沥青混合料的矿料组成称为沥青混合料的级配,其类型与离析存在一定的关系[1]。现行沥青混合料的级配检测方法,有抽提筛分法和燃烧筛分法,其共同缺点是操作复杂、花费时间长、所获得的数据精度不高,并且试验数据严重依赖于试验者的操作水平。随着科学技术的发展,图像处理技术在交通领域得到广泛的应用,包括沥青混合料检测以及路面破损检测等[2]。国外的研究大多是对集料颗粒或者矿质混合料进行图像采集、处理和分析,以获取集料颗粒的相关特征参数,比较著名的有美国伊利诺斯州立大学Tut umluer 博士开发的U IA IA (univer 2sity of illinois aggregate image analyzer );美国德克萨斯州A &M 大学Eysad Masad 博士开发的A IMS (aggregate image system );美国德克萨斯大学奥斯汀分校Carl Hass 博士和Alan Rauch 博士开发的L ASS (laser 2based aggregate analysis system );美国路易斯安那州立大学的汪林兵于2004年使用X
射线断层图像,提供了可以计算体积以及颗粒间的惯性力矩的颗粒性能的程序[326]。中国的研究大多
集中在沥青混合料的组成检测中,主要包括均匀性、体积组成特性以及压实特性3个方面[7211]。上述研究中,针对沥青混和料矿料组成检测的研究尚未见报道。为此,本文在前期工作的基础上,主要对沥青混合料数字图像采集、处理与特征分析3个方面进行研究,以期实现基于图像的沥青混合料矿料级配组成的检测。
1 集料颗粒的图像特征
为了能够精确地检测沥青混合料的矿料级配组成,研究中提取了集料颗粒的面积、周长、外接矩形以及等效椭圆等参数特征。集料颗粒的面积可以表示为集料颗粒区域内的像素积分,即集料颗粒面积;集料颗粒的外接矩形主要是边长以及左上顶点的坐标等;等效椭圆的参数主要是长轴长度、短轴长度以及倾斜角等。集料颗粒及所提取的集料颗粒的特征如图1所示
。
图1 集料颗粒及所提取的颗粒特征参数
2 沥青混合料数字图像采集
本文自行设计了沥青混合料梁型试件断面图像
的采集装置,主要由线阵摄像机、装有图像采集卡及相应软件的计算机、光源以及可以控制传送速度的传送装置组成。该装置采用了固定线阵摄像机,对在传送装置上匀速运动的试件梁的断面进行图像采集,最终得到满足条件的、适合于后续处理的沥青混合料图像。采集装置如图2所示。线阵式摄像头采用德国basler L402K 系列,利用条形白光源消除环境的影响。为了满足所要求的采集精度,需要对摄像机和传送带进行设置。所采集的灰度图像及其直方图如下页图3所示。
3 沥青混合料图像处理技术
由于所获得的图像不可避免的含有一定的噪声
成分,而为了突出需要处理的信息,
必须对图像进行
图2 硬件采集装置
一系列的增强处理。因此,研究的重点是沥青混合料数字图像的对比度以及中值滤波增强技术。
对比度增强技术一种十分重要的方法。这种方法是按一定的规则逐点修改输入图像每一像素的灰度,从而修改图像灰度的动态范围。进行灰度拉伸后的图像及其直方图如下页图4所示。
中值滤波是把给定的n 个像素值{a 1,a 2,…,a n }的中值作为邻域中心像素值的一种滤波方法。图像中值滤波后,各像点的输出等于该像点邻域中所有灰度像素灰度的中值。本文选取了3×3邻域进行中值滤波操作,以消除采集系统可能带来的椒
2
长安大学学报(自然科学版) 2010年
图3
所采集的灰度图像及其直方图
图
4 拉伸后的灰度图像及其直方图
盐噪声,其处理结果如图5所示。
从灰度图像得到二值图像的方法很多,其中最简单也最常用的是基于图像灰度的方法。这里根据灰度阈值法对图像进行二值化,所得二值图像如图6所示[12]。通过二值图像形态学运算,可以得到满
足后续分析的沥青混合料数字图像
。
图5 中值滤波图像 图6 二值图像
在得到二值图像的基础上,通过对集料颗粒的边缘进行跟踪,得到各个集料颗粒的边缘图像;然后对边缘图像进行颗粒分析,在分析过程中,对各个集料颗粒进行标号,得到标号图像如图7所示
。
图7 边缘图像及标号图像
4 检测数据分析
为了实现对现行筛分过程的精确仿真,本文在
提取沥青混合料数字图像中各个集料颗粒特征的基础上,将集料颗粒边界矩形的短边长度根据筛孔尺寸的不同进行分类,并将各集料颗粒的面积进行统计,得到各筛孔的通过率。进一步绘制级配曲线,并对处理结果进行相关性分析;最后对处理结果进行误差分析,并给出误差补偿方法。4.1 级配曲线
本文对AC 220级配的沥青混合料数字图像进行了处理分析,这里选取其中的6幅沥青混合料数字图像进行分析,图像如下页图8所示。各沥青混合料数字图像中各档集料颗粒的通过率见下页表1;相应的级配曲线如下页图9所示。4.2 误差分析及误差补偿
由表1可以看出,粒径小于0.075mm 的集料颗粒的通过率均为0,其原因表现在2个方面:①粒径较小的颗粒被沥青裹覆,可能被识别为沥青;②由于图像分辨率的影响,图像中小颗粒在二值图像形态学运算中可能被腐蚀掉。从图9可以看出,各个图像进行检测所得级配曲线的走向基本相似,具有良好的相关性。因此,可以通过差分的方法对检测结果进行修正。首先对已知级配的沥青混合料样本进行检测,并将检测结果求取平均值,得到其级配曲线后,再与已知的级配作比较,得到各通过率的差分修正参数;然后在后续的检测过程中,对各分量加上
3
第5期 沙爱民,等:一种基于图像的沥青混合料矿料级配检测方法
图8 AC 220级配的沥青混合料数字图像
表1 AC 220级配沥青混合料通过率
筛孔尺寸/mm
通过率/%
样本图像1
样本图像2
样本图像3
样本图像4
样本图像5
样本图像6
0.0750000000.150.0260.0320.0050.0110.0500.
0260.30.2530.312
0.0250.0850.4710.3080.6 1.401 1.2890.9400.597 2.039 1.5051.18 4.907 4.637 4.288 2.301 6.812 4.8862.3611.39113.54512.178 6.49417.24412.6764.7524.24528.64228.86818.91242.01232.2539.559.21356.79755.04647.46569.79154.74413.273.79170.93979.50061.46875.48369.2381683.76788.43894.63682.73375.48391.9621994.98195.54010091.61290.60791.96226.5
100
100
100
100
100
100
图9 AC 220沥青混合料的检测级配曲线
相应的差分修正参数作为各粒径的通过率,从而得到检测结果。
对于所检测的AC 220沥青混合料数字图像,差
分修正参数分别为:5.0,8.47,10.78,14.77,18.11,
18.33,13.46,5.61,0.46,-0.37,2.32。
通过将得到的差分修正参数应用于后续的图像分析过程中,可以得到修正后的级配检测结果。采集的沥青混合料数字图像(样本图像7)如图10所示;其图像分析结果及其修正后的检测结果见下页表2;检测后最终得到的级配曲线如图11所示。
图10 沥青混合料样本图像7
图11 AC 220设计与样本图像7检测级配曲线的对比
4
长安大学学报(自然科学版) 2010年
表2 样本图像7的最终检测级配
粒径/mm0.0750.150.30.6 1.18 2.36 4.759.513.2 16 19 26.5分析结果/% 000.16 1.18 4.3212.0626.0255.9173.3585.6792.59100修正后/% 5.008.4710.9415.9522.4330.3939.4861.5273.8185.3094.91100
5 结 语
(1)将数字图像处理技术应用于沥青混合料矿料组成的检测过程,通过沥青混合料数字图像采集、处理与分析得到图像中各个粒径集料颗粒的二维特征参数并加以统计分析,可以快速得到沥青混合料的级配曲线。
(2)图像增强技术可以消除图像采集过程中所带来的不利影响,如利用灰度拉伸可以消除灰度不均,中值滤波可以减小采集系统带来的椒盐噪声。
(3)粒径较小的矿料颗粒被沥青裹覆,并且小颗粒在进行二值图像形态学运算时可能被腐蚀掉,导致小颗粒检测结果不准确;由于检测结果本身具有良好的相关性,因此通过统计差分的方法可以对检测结果进行修正。
(4)从修正的检测级配曲线与设计级配曲线的对比可以看出,应用数字图像检测沥青混合料矿料组成是可行的,可以作为传统筛分方法的有效替代。
参考文献:
R eferences:
[1] 黄 琪,赵 昕,雷 宇,等.沥青混合料级配类型与离
析程度关系[J].交通运输工程学报,2009,9(2):126.
HUAN G Qi,ZHAO Xin,L EI Yu,et al.Relationship
between gradation type and segregation degree for as2
phalt mixture[J].Journal of Traffic and Transporta2
tion Engineering,2009,9(2):126.
[2]张 娟,沙爱民,高怀钢,等.基于数字图像处理的路
面裂缝自动识别与评价系统[J].长安大学学报:自然
科学版,2004,24(2):18222.
ZHAN G J uan,SHA Ai2min,GAO Huai2gang,et al.
Automatic pavement crack recognition and evaluation
system based on digital image processing[J].Journal
of Changπan University:Natural Science Edition,
2004,24(2):18222.
[3]Pan T.Fine aggregate characterization using digital
image analysis[D].Louisiana:Louisiana State Univer2
sity,2002.
[4]Rousan T M A.Characterization of aggregate shape
properties using a computer automated system[D].
Texas:Texas A&M University,2004.
[5]Kim H.Automation of aggregate characterization
using laser profiling and digital image analysis[D].
Austin:The University of Texas,2002.
[6]Wang L B,Frost J D,Lai J S.Three2dimensional dig2
ital representation of granular material micro2struc2
ture f rom X2ray tomography imaging[J].Journal of
Computing in Civil Engineering,2004,18(1):28235.
[7]彭 勇,孙立军,王元清,等.数字图像处理在沥青混
合料均匀性评价中的应用[J].吉林大学学报:工学
版,2007,37(2):3342337.
PEN G Y ong,SUN Li2jun,WAN G Yuan2qing,et al.
Application of digital image processing in evaluating
homogeneity of asphalt mixture[J].Journal of Jilin
University:Engineering and Technology Edition,
2007,37(2):3342337.
[8]孙朝云,姚秋玲,沙爱民,等.沥青混合料数字图像特
征提取边缘跟踪算法[J].计算机应用与软件,2007,
24(3):1562158.
SUN Zhao2yun,YAO Qiu2ling,SHA Ai2min,et al.
The algorithm study on edge contour tracing of the
asphalt mixture image in the feature extraction[J].
Computer Applications and Software,2007,24(3):
1562158.
[9]吴文亮,王端宜,张肖宁,等.沥青混合料级配的体视
学推测方法[J].中国公路学报,2009,22(5):29233.
WU Wen2liang,WAN G Duan2yi,ZHAN G Xiao2ning,
et al.Stereology method of estimating gradation of as2
phalt mixtures[J].China Journal of Highway and
Transport,2009,22(5):29233.
[10]张肖宁,李 智,虞将苗.沥青混合料的体积组成及其
数字图像处理技术[J].华南理工大学学报:自然科学
版,2002,30(11):1132118.
ZHAN G Xiao2ning,L I Zhi,YU Jiang2miao.Evalua2
ting the volumetric properties of asphalt mixtures
with digital image processing technique[J].Journal of
South China University of Technology:Natural Sci2
ence Edition,2002,30(11):1132118.
[11]李 智.基于数字图像处理技术的沥青混合料体积组
成特性分析[D].哈尔滨:哈尔滨工业大学,2001. [12]孙朝云,沙爱民,姚秋玲,等.沥青混合料图像阈值分
割算法的实现[J].长安大学学报:自然科学版,2005,
25(6):34238.
SUN Zhao2yun,SHA Ai2min,YAO Qiu2ling,et al.
Realization of threshold segmentation algorithm in as2
phalt mixture[J].Journal of Changπan University:
Natural Science Edition,2005,25(6):34238.
5
第5期 沙爱民,等:一种基于图像的沥青混合料矿料级配检测方法